Фиг. 9. Измерване на единична точка
• Измерване на линия: Този тип данни могат да бъдат събирани чрез внимателно картографиране от експерти. Грешката в ориентацията на изображенията води до препоръка за картографиране в близък обхват. Пример за картографиране на канавка може да се види на фиг. 10.
• Измерване на площ: Както и при линейните измервания, площите се препоръчва да се измерват само в близост до камерата. Методът е подходящ за измерване, но точността трябва да бъде установена в бъдещи изследвания.
4.3. Други приложения
Фиг. 10. Измерване на линия
Изследователите се опитват да внедрят панорамни изображения във всички възможни приложения. Разработена е система за идентификация на реклами [ 4 ] и е изследвано фотограметричното моделиране на градове от панорами [ 3 ]. Разработен е метод за многовизуална семантична сегментация [ 5 ] за разделяне на области от изображението за 3D модел на град.
5. ЗАКЛЮЧЕНИЕ
Изследването показва, че гражданите могат да бъдат активно ангажирани в процеса на създаване на умни градове чрез доброволно участие в събирането и обработката на геопространствени данни. Разработената методика демонстрира как с използването на достъпни технологии и инструменти, като мобилни устройства и панорамни изображения, може да се събират и анализират данни с висока точност, което е изключително полезно за управлението и планирането на градове.
Целият процес беше ефективно разделен на етапи, които позволиха на участниците, с различни нива на експертиза, да допринесат за събирането и анализирането на данни. Това създава възможности за изграждане на партньорства между гражданите и експертите, като всяка страна може да използва своите компетенции и ресурси за постигане на оптимални резултати.
Разработеният работен процес може да бъде адаптиран и усъвършенстван в бъдеще, което ще позволи още по-добро интегриране на гражданите в процесите на управление и развитие на умните градове. Процесът предоставя основа за бъдещи изследвания и надграждане, като демонстрира как интелигентната съвместна работа между гражданите и институциите може да доведе до устойчиви и ефективни решения за градската инфраструктура и управление.
6. ЛИТЕРАТУРА
1. Google Street View, https:// www. google. com / streetview / contribute /, достъпен на 24.02.2025
2. EuropeanCommission, https:// commission. europa. eu / euregi onal-and-urban-development / topics / cities-andurbandevelopment / city-initiatives / smart-cities _ en, достъпен на 24.02.2025
3. Torii, A., M. Havlena, T. Pajdla. From Google Street View to 3D City Models. Computer Vision Workshops( ICCV Workshops), 2009 IEEE 12th International Conference, IEEE, 2009, pp. 2188 – 2195.
4. Zamir, A., A. Darino, M. Shah. Street View Challenge: Identification of Commercial Entities in Street View Imagery. Machine Learning and Applications and Workshops( ICMLA), 2011 10th International Conference, Vol. 2, IEEE, 2011, pp. 380 – 383.
5. Xiao, J., T. Fang, P. Zhao, M. Lhuillier, L. Quan. Imagebased Street-Side City Modeling. ACM Transactions on Graphics( TOG), Vol. 28, ACM, 2009, p. 114.
РЕЦЕНЗЕНТ: ПРОФ. Д. Т. Н. ИНЖ. СТАНИСЛАВ ВАСИЛЕВ
АДРЕСИ НА АВТОРИТЕ
1. Доц. д-р инж. Кристина Микренска УАСГ, Катедра „ Геодезия и геоинформатика“ Email: kmikrenska _ fgs @ uacg. bg
2. Д-р инж. Габриела Симеонова УАСГ, Катедра „ Геодезия и геоинформатика“ Email: gabriela. simeonova3 @ gmail. com
3. Инж. Иван Маринов УАСГ, Катедра „ Висша геодезия“ Email: ivan. marinov @ abv. bg
ГКЗ 5-6’ 2025 13